Aplicacin del Muestreo Estadstico a las Pruebas de Controles

Introduccin

Las pruebas de controles constituyen un componente importante del trabajo de campo del
auditor. Las mismas son comprobaciones que este realiza para asegurarse de que
determinados controles estn funcionando correctamente. El objetivo de una prueba de
controles ser obtener un grado de certeza razonable de la eficacia de los controles, y de que la
proporcin de errores en sufuncionamiento no excede determinado nivel mximo aceptable.
De esta forma se puede lograr una evaluacin de la eficacia de las actividades de control
vigentes.

Recientemente las pruebas de controles han adquirido una consideracin especial en las
empresas alcanzadas por la ley Sarbanes-Oxley. Estas empresas, como as tambin sus
auditores externos, deben realizar en forma sistemtica numerosas pruebas de controles a fin
de poder certificar la eficacia del control interno con relacin a los informes financieros.

El presente trabajo describe brevemente la aplicacin del muestreo estadstico a las pruebas
de controles. Sin pretender suplantar a un tratado de estadstica, se intenta proporcionar un
enfoque prctico que sirva de gua para el auditor que quiera utilizar esta herramienta de
anlisis.

Aplicacin

Las pruebas de controles encuentran aplicacin en todos los ciclos de un negocio. Por ejemplo:

Compras: Concordancia entre orden de compra, remito y factura; que se haya

seleccionado la mejor cotizacin; que se haya facturado el precio correcto; que se
apliquen los descuentos pactados.

Pagos: Que est debidamente aprobado el pago, que haya comprobantes que
justifiquen el desembolso, que se haya pagado el importe correcto, que est
bien registrado el pago.

Ventas: Que se facture con los precios correctos, exactitud de los

clculos, correctaaplicacin del IVA, aprobacin del crdito.

Cobranzas: Cumplimiento de plazos, aplicacin de descuentos, contabilizacin

correcta.

Sistemas: Que las modificaciones de programas estn autorizadas, cumplimiento de

normas de codificacin, correspondencia entre programas fuentes y objetos.

Personal: Autorizacin de las horas extras, das de licencia correctos.

Ser conveniente utilizar muestreo especialmente en aquellas situaciones en que la

comprobacin de la totalidad de las transacciones sea prcticamente imposible o
significativamente costosa. Tal sera el caso del anlisis de una poblacin muy numerosa en que
se requiera la manipulacin de documentacin en papel. Pero cuando los elementos a analizar
estn totalmente contenidos en registros de bases de datos o almacenados en algn tipo de
archivo de computadora, muchas veces ser preferible hacer una revisin integral utilizando
software de auditora o mediante herramientas de consulta de base de datos.

Muestreo

El muestreo de auditora consiste en aplicar pruebas de auditora a menos de la totalidad de un

conjunto de transacciones o saldos contables, a fin de sacar conclusiones sobre todo el
conjunto.

Al aplicar las pruebas a cada transaccin de la muestra, se podr comprobar si esta cumple con
ciertos requisitos preestablecidos. En caso de que no cumpla estaremos ante un error o
desviacin, y tratndose de una prueba de controles se estara ante la evidencia de que el
control bajo anlisis no funcion correctamente en ese caso particular.

Dado que los desviaciones se proyectan a la totalidad de la poblacin de acuerdo a los

resultados de las pruebas sobre las transacciones de la muestra, es deseable que una muestra
extrada sea representativa de la poblacin total. Las muestras representativas permitirn
hacer estimaciones sobre la poblacin ms aproximadas a la realidad.

Tipos de muestreos

Entre los tipos de muestreos se distinguen el muestreo de atributos y el muestreo de variables.

El muestreo de atributos permite estimar qu porcentaje de una poblacin contiene
desviaciones. El muestreo de variables, por su parte, tratara de evaluar la magnitud de dichas
desviaciones.

El tipo de muestreo que aplicaremos a las pruebas de controles es el muestreo de atributos con
tamao de muestra fijo. Otras tcnicas de muestreo de atributos que no se desarrollan en el
presente trabajo son el muestreo secuencial y el muestreo de descubrimiento, que se pueden
aplicar cuando se presume que la cantidad de errores en una poblacin es muy baja o nula.

Muestreo estadstico

El muestreo estadstico es aquel que utiliza tcnicas que permiten hacer estimaciones
sobre una poblacin aplicando las leyes de la estadstica. Las aplicaciones de muestreo
estadstico deben cumplir los siguientes requisitos:

El tamao de la muestra debe calcularse utilizando tcnicas estadsticas.

La seleccin de la muestra debe hacerse en forma aleatoria.

La estimacin de las caractersticas de la poblacin debe hacerse de acuerdo a las leyes

de la estadstica.
Una aplicacin de muestreo que no cumpla con alguno de estos tres requisitos se considera
muestreo no estadstico. El muestreo estadstico posee algunas ventajas con respecto al
muestreo no estadstico, entre ellas las siguientes:

Permite seleccionar de antemano el nivel de confianza de la prueba, es decir la

probabilidad de que las conclusiones obtenidas del muestreo sean correctas.

La seleccin aleatoria impide que los prejuicios o preferencias del auditor favorezcan la
seleccin de algunos elementos de la poblacin en desmedro de otros.

Permite limitar el tamao de la muestra al mnimo necesario,

evitando realizar pruebas de auditora sobre una cantidad mayor de elementos.

Los resultados de la prueba se expresan matemticamente en trminos precisos,

permitiendo elaborar recomendaciones sobre una base ms objetiva.

Permite hacer ms defendibles las conclusiones de la prueba.

No constituye una ventaja del muestreo estadstico garantizar la obtencin de una muestra
representativa de la poblacin, ya que la incertidumbre respecto de la representatividad de la
muestra es una caracterstica inherente al muestreo. Pero, segn se menciona ms arriba, el
muestreo estadstico permite cuantificar dicha incertidumbre, seleccionando el nivel de
confianza deseado.

A pesar de las ventajas enumeradas no debemos concluir que el muestreo no estadstico es

necesariamente malo. El muestreo no estadstico tambin tiene sus ventajas, ya que suele ser
ms sencillo de aplicar y requiere menos entrenamiento. De hecho, hay empresas que han
adoptado modelos de muestreo no estadstico para la evaluacin obligatoria de su control
interno.

Pasos a seguir en una prueba de controles

A continuacin se describe un procedimiento de prueba de controles mediante la aplicacin de

muestreo estadstico. Cada paso se acompaa de un ejemplo a fin de que sirva de referencia
para su aplicacin a situaciones semejantes.

1. Establecer el objetivo de la prueba

Las pruebas que nos interesa considerar en este momento son aquellas que apuntan a
establecer el grado de cumplimiento de determinados objetivos de control asociados a un
procedimiento bajo anlisis. A su vez, el objetivo de la prueba deber ser acorde con los
objetivos de auditora del proyecto de auditora para el que se est trabajando.

Ejemplo: Haciendo la auditora del circuito de pagos de una empresa comercial, tenemos como
objetivo de auditora verificar que los pagos realizados a proveedores de mercadera estn
debidamente justificados y autorizados. Dentro del trabajo de campo podemos disear una
prueba cuyo objetivo sea comprobar que los pagos a proveedores del segundo semestre del ao
anterior estn respaldados por rdenes de pago, y estas acompaadas por el comprobante de
recepcin de la mercadera y por la factura conformada por un funcionario autorizado de
Compras. Adems en la orden de pago debern estar las firmas del responsable de Cuentas a
Pagar y del Tesorero.

Se puede apreciar que para establecer los objetivos de la prueba ser de gran utilidad tener
claramente identificados los objetivos de control que muchas veces estarn implcitos en las
normas de procedimiento del circuito bajo revisin.

2. Seleccionar la tcnica de anlisis ms apropiada para el objetivo deseado

Por razones de extensin, nos limitaremos a considerar el caso en que sea de aplicacin el
muestreo de atributos con tamao de muestra fijo. Esta tcnica ser la conveniente cuando se
denlas siguientes condiciones:

Nos interesa estimar la proporcin o bien la cantidad de desviaciones o errores en la

aplicacin de determinados controles.

La cantidad de transacciones es lo suficientemente grande como para que no resulte

prctico o econmico hacer un anlisis integral de las mismas.

No se dispone de una base de datos ni archivo de computadora en los que se

encuentren todos los elementos a verificar. (En realidad la falta de este requisito no
invalida la prueba, pero si mediante software de anlisis de datos se puede hacer
fcilmente una verificacin de la totalidad de las transacciones, el resultado final ser
ms exacto que una estimacin hecha mediante muestreo)

Aplicando este criterio a nuestro ejemplo, resulta:

Queremos estimar la proporcin de pagos que no estn debidamente justificados y

autorizados.

Durante el segundo semestre del ao anterior se realizaron alrededor de 3000 pagos a

proveedores de mercaderas.

La verificacin de cada pago requiere la bsqueda de la documentacin, que se

encuentra archivada entre los comprobantes de egreso de caja del da de pago, junto a
comprobantes de otros tipos de egresos. Existe un sistema de computacin con el que
se procesan las transacciones de compras y pagos, pero la evidencia de las debidas
autorizaciones firmas y sellos no se encuentra en el sistema sino en la
documentacin en papel.

Por consiguiente, de acuerdo a las condiciones enunciadas ms arriba, el muestreo de atributos

sera una tcnica apropiada para el objetivo de la prueba. (Pero si el objetivo de nuestra prueba
fuera estimar el monto de los pagos no autorizados realizados durante el semestre, en lugar de
muestreo de atributos deberamos aplicar muestreo de variables.)

Nota: Los pasos que siguen a continuacin asumen que se est llevando a cabo una aplicacin
de muestreo de atributos, y por consiguiente no son necesariamente vlidos para muestreo de
variables u otro tipo de pruebas.
3. Definir la poblacin a analizar

La poblacin en una prueba de controles estar constituida por el conjunto de transacciones

que son relevantes para nuestra prueba. Pero las transacciones en s mismas son acciones
pasadas y no objetos de existencia visible. Por lo tanto deberemos identificar una evidencia
fsica concreta que tenga una correspondencia biunvoca con cada transaccin producida.
La poblacin debe abarcar todas las transacciones relevantes para nuestra prueba, y nada ms
que ellas. La definicin de la poblacin debe hacerse en trminos muy precisos, que no den
lugar a ambigedades, es decir que no quepan dudas sobre si una transaccin determinada
forma parte o no de la poblacin a analizar. Tampoco debe ocurrir que una misma transaccin
pueda ser contada ms de una vez.

Al definir la poblacin para una prueba de muestreo no necesariamente tendremos que

referirnos estrictamente a conjuntos de objetos ya armados o naturalmente agrupados, sino
que inventaremos la poblacin conforme a nuestra conveniencia. En este sentido la poblacin
es un conjunto de existencia virtual, un agrupamiento mental, ideado por el auditor de acuerdo
a su necesidad y al solo efecto de llevar a cabo una aplicacin de muestreo especfica.

A efectos de poder aplicar muestreo estadstico, un requisito adicional para la poblacin es que
debemos poder conocer la cantidad de transacciones que la componen, y poder identificar
cada una de ellas en forma precisa. Ms adelante volveremos sobre este punto, al
tratar sobre la seleccin de la muestra.

Continuando con el ejemplo anterior, nuestra poblacin estar conceptualmente constituida

por los pagos realizados a proveedores de mercaderas durante el segundo semestre del ao
anterior. A los fines prcticos tendremos que elegir un elemento fsico asociado a cada pago
realizado, como podra ser una orden de pago. De esta forma, podramos definir nuestra
poblacin a analizar como el conjunto de rdenes de pago con fecha de emisin entre el 1 de
julio y el 31 de diciembre del ao pasado, correspondientes a cuentas de proveedores de
mercaderas. Ahora bien, si suponemos que podran haberse realizado pagos sin la
correspondiente orden de pago, nuestra definicin de poblacin estara excluyendo
transacciones que no cumplen con las normas de autorizacin establecida. En tal caso quizs
sera preferible definir la poblacin a analizar sobre la base de los movimientos de egresos de
caja. Por ejemplo podemos definir la poblacin como el conjunto detransacciones del archivo
histrico de movimientos de caja con cdigo de movimiento de egreso, tipo de cuenta de
proveedor de mercadera, y fecha de pago comprendida entre el 1 de julio y el 31 de diciembre
del ao pasado.

An cuando las pruebas de auditora en muchos casos requerirn revisar la documentacin en

papel, puede ser de gran utilidad contar con un archivo en computadora en el cual estn
contenidos registros correspondientes a cada una de las transacciones de la poblacin, ya que
puede servir como base para la seleccin de los elementos de la muestra.

4. Definir las pruebas a realizar sobre cada elemento de la muestra

De cada elemento que componga la muestra al auditor le interesar identificar aquellas
cualidades que sirvan como evidencia de la correcta ejecucin o no del control cuyo
cumplimiento se estevaluando. Esto implicar realizar pruebas tomando uno o ms
atributos relevantes para nuestro estudio, y que sea factible obtener de los registros o
documentacin disponibles para analizar. Adems, debern ser caractersticas presentes en
todos los elementos de la poblacin. Si esto no se cumple, ser necesario rever la definicin
que se haya hecho de la poblacin a analizar.

Por ejemplo, para verificar la correcta autorizacin de un pago de mercaderas, podemos definir
las siguientes pruebas: si existe el comprobante de recepcin de mercaderas, coincidencia de
las especies y cantidades recibidas con las facturadas, factura conformada por el responsable
de compras, orden de pago firmada por el responsable de cuentas a pagar y por el tesorero.

5. Definir los criterios para identificar desviaciones

El auditor tendr que definir con precisin qu condiciones deben cumplir los resultados de las
pruebas sobre los elementos de la muestra para que se considere que se produce una
desviacin o error en el funcionamiento del control que se est probando. El criterio definido,
aplicado a cada transaccin de la poblacin, debera permitir clasificar dichas transacciones en
dos categoras: las que cumplen y las que no cumplen con el control, no dejando lugar para
situaciones dudosas, ambigedades, o casos no previstos. Aquellas transacciones de la
poblacin que de acuerdo con estos criterios no cumplan con el control, sern las que
constituyan las desviaciones o errores.

Por ejemplo, en los pagos de mercaderas podemos definir como criterio para identificar
una desviacin lo siguiente: Se considera que se produce un desviacin en el control de
autorizacin de pagos de mercaderas si ocurre una o ms de las siguientes condiciones: 1.
Falta el comprobante de recepcin de mercaderas; 2. La factura no est conformada por el
responsable de compras; 3. Falta la orden de pagoautorizada por cuentas a pagar; 4. La orden
de pago no tiene la firma y el sello del tesorero.

6. Evaluar la tasa esperada de errores de la poblacin

El auditor deber hacer una estimacin preliminar del porcentaje de desviaciones existentes en
la poblacin. Esta estimacin surgir del conocimiento previo que el auditor tenga de la
poblacin bajo estudio, de los resultados de auditoras realizadas anteriormente, y de la propia
experiencia del auditor ante casos similares. Particularmente habr que tener en cuenta si
hubo cambios recientes en el proceso, ya que tales cambios, sobre todo si son significativos,
podran estar afectando negativamente el funcionamiento de los controles involucrados.

En caso de que el auditor no disponga de elementos para evaluar de la tasa esperada de

errores, podr obtenerla mediante una muestra de 25 30 elementos, seleccionados en forma
aleatoria segn se explica ms abajo. Sobre la muestra seleccionada se aplican las pruebas de
auditora previstas y, mediante los criterios definidos para identificar desviaciones, se calcula la
cantidad de errores de la muestra. Por ltimo, se calcula la tasa esperada de errores como la
cantidad de errores observados dividido por el tamao de la muestra. Multiplicando este
resultado por 100 se obtiene la expresin porcentual de la tasa esperada de desviaciones o
errores. El porcentaje esperado de errores incidir en el tamao de la muestra. Un porcentaje
esperado de errores ms alto manteniendo las dems condiciones constantes requerir un
tamao de muestra mayor, y viceversa. La tasa esperada de errores habitualmente no
exceder del 3 por ciento.

Supongamos que queremos evaluar el porcentaje esperado de desviaciones en los controles de

pagos de mercaderas, y que en la misma prueba de controles realizada el ao anterior se lleg
a la conclusin de que los desviaciones estaban alrededor del 3 por ciento, no habiendo razones
para suponer que pudiera haber variado en forma significativa. Sobre esta base podemos fijar
una tasa esperada de errores del 3 por ciento. Pero si no tenemos datos que nos permiten
estimar la tasa de errores esperada, extraemos una muestra de 30 pagos de mercadera. Si
aplicando las pruebas previstas encontramos 1 desviacin, calculamos la tasa esperada de
errores = 1 30 100 = 3 por ciento.

7. Definir la tasa aceptable de errores

La tasa aceptable de errores es una medida de la importancia de los desviaciones expresada en

porcentaje. Un porcentaje de errores en la poblacin por debajo de dicho valor se considera
aceptable. Pero, si se comprueba un porcentaje de errores superior a la tasa establecida, se
estar ante un nivel de desviaciones significativo, el que requerir un anlisis ms detallado a
fin de identificar sus causas. La tasa aceptable de errores ser ms baja para controles que
puedan ser considerados crticos en funcin del riesgo que tienen involucrado. Manteniendo
las dems condiciones sin cambios, una menor tasa aceptable de errores requerir un mayor
tamao de muestra.

Para el ejemplo que venimos desarrollando definiremos una tasa aceptable de errores del 8 por
ciento. Esto quiere decir que un porcentaje de pagos no autorizados por encima de dicha tasa
sera considerado un error significativo.

8. Seleccionar el nivel de confianza

En una prueba de muestreo de atributos se selecciona un conjunto de transacciones de una

poblacin, se analiza la proporcin de errores en dichas transacciones, y se proyectan los
resultados a la totalidad de las transacciones. Esto implica suponer que la proporcin de
errores en la muestra es aproximadamente igual a la proporcin de errores en la poblacin.
Pero debido a la aleatoriedad en la seleccin de la muestra siempre existe la posibilidad de que
el verdadero nivel de errores en la poblacin est por encima de lo que indica la muestra. A
esta limitacin inherente a las tcnicas del muestreo se la llama error de muestreo. Esto
significa que, por ms cuidado que pongamos en aplicar los procedimientos correctos de
muestreo, nunca tendremos la certeza de que el verdadero nivel de errores en la poblacin se
encuentre dentro de lmites aceptables. El nivel de confianza es una medida de la fiabilidad de
los resultados de una aplicacin de muestreo. En una prueba de muestreo de atributos, el nivel
de confianza es la probabilidad, expresada en porcentaje, de que el verdadero nivel de errores
en la poblacin se encuentre por debajo del valor evaluado a partir de la muestra. El valor
recproco del nivel de confianza es una medida del error de muestreo probable, y equivale al
riesgo de evaluar demasiado bajo el riesgo de control.

El nivel de confianza lo define el auditor segn su criterio. Un nivel de confianza alto requerir
seleccionar una muestra ms numerosa que un nivel de confianza menor. Los valores que se
suelen utilizar para el nivel de confianza van del 80 al 95 por ciento. Por encima de este ltimo
valor el tamao de la muestra requerida tiende a hacerse muy grande a medida que nos
aproximamos a 100, ocasionando que la prueba se torne relativamente costosa o
prcticamente irrealizable. Por otra parte, a los fines prcticos, si vamos a utilizar tablas para
determinar el tamao de la muestra, nos convendr seleccionar un valor de nivel de confianza
que se encuentre en las tablas disponibles.

En nuestro ejemplo seleccionaremos un nivel de confianza del 90 por ciento, que equivale a
asumir un riesgo del 10 por ciento de evaluar demasiado bajo el riesgo de control.

9. Determinar el tamao de la muestra

Una vez definidos el nivel de confianza, la tasa aceptable de errores y la tasa esperada de
errores de la poblacin, estamos en condiciones de determinar el tamao de la muestra. Para
ello podemos utilizar la tabla de la Figura 1. Seleccionando la fila correspondiente al nivel de
confianza deseado y la tasa esperada de errores, buscamos la interseccin con la columna
correspondiente a la tasa aceptable de desviaciones. El nmero obtenido es el tamao de la
muestra.

Si el tamao de muestra obtenido resultara tan alto que fuese impracticable realizar pruebas
de auditora sobre esa cantidad de elementos, quizs convenga rever los pasos anteriores, y
considerar la conveniencia de conformarse con un nivel de confianza ms bajo.

Figura 1: Muestreo de atributos Tabla para determinar el tamao de la muestra.

Tasa Tasa aceptable de desviaciones

Nivel de esperada

confianza de 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 12% 15% 20%

errores

0% 230 114 76 57 45 38 32 28 25 22 19 15 11

1% 176 96 77 64 55 48 42 38 31 25 18

2% 198 132 88 75 48 42 38 31 25 18
90%
3% 258 153 94 82 58 52 43 25 18

4% 294 149 98 87 65 43 34 18

5% 160 115 78 54 34 18
 6% 195 128 76 43 25

7% 199 96 52 32

8% 146 60 32

9% 241 93 32

10% 100 38

0% 299 149 99 74 59 49 42 36 32 29 24 19 14

1% 257 156 93 78 66 58 51 46 38 30 22

2% 294 181 127 88 77 68 46 38 30 22

3% 195 129 95 84 76 51 30 22

4% 239 146 100 89 63 40 22

95% 5% 240 158 116 74 40 30

6% 279 179 96 50 30

7% 298 138 68 37

8% 199 93 44

9% 110 44

10% 150 50

Con los datos de nuestro ejemplo: nivel de confianza del 90 por ciento, tasa esperada de
desviaciones del 3 por ciento, y una tasa aceptable de desviaciones del 8 por ciento, accedemos
a la tabla y obtenemos un tamao de muestra de 82.

Nota: Una alternativa al uso de tablas estadsticas son los programas de software para
muestreo, que permiten calcular el tamao de la muestra y posteriormente evaluar los
resultados.

10. Extraer la muestra

Una vez determinado el tamao de la muestra, el siguiente paso es seleccionar en forma

aleatoria un conjunto de elementos de la poblacin en cantidad igual a dicho tamao. Hay
diferentes tcnicas posibles para la seleccin aleatoria de los elementos que integrarn la
muestra. Un punto esencial en las aplicaciones de muestreo estadstico es que todos los
elementos de la poblacin tengan igual probabilidad de ser seleccionados.

En primer lugar habr que asociar un nmero diferente a cada elemento de la muestra, de
manera que permita identificarlo biunvocamente. Es posible que las transacciones ya estn
identificadas por un nmero. Si bien no es imprescindible, por razones prcticas nos convendr
que las transacciones estn numeradas en forma correlativa a partir de 1. Si los elementos de
la poblacin no estn ya numerados de la forma conveniente, le asignaremos un nmero
correlativo a cada elemento (1, 2, 3, etc.). Esta tarea se puede hacer basndose en un listado
de transacciones, o bien con un archivo de computadora que contenga un registro por cada
transaccin y al que podamos acceder por nmero relativo de registro.

A continuacin, con la ayuda de una tabla de nmeros al azar extraeremos nmeros con una
cantidad de dgitos acorde con la cantidad de elementos de la poblacin. A medida que
obtengamos nuevos nmeros iremos descartando aquellos que estn fuera del rango de
nmeros asociados a los elementos de la poblacin. Adems, descartaremos eventuales
repeticiones de nmeros que pudieran producirse. Este proceso continuar hasta haber
obtenido una cantidad de nmeros aleatorios igual al tamao de la muestra.

Una vez obtenidos los nmeros de elementos de la poblacin, nuestra muestra estar formada
por los elementos de la poblacin asociados a cada uno de los nmeros.

En los papeles de trabajo habr que dejar detalladamente documentado el mtodo utilizado
para la seleccin de la muestra.

Por ejemplo, supongamos que tenemos que extraer una muestra de 82 elementos, de una
poblacin representada por un listado impreso de transacciones numeradas correlativamente
de 1 a 2844. En las tablas de nmeros al azar los nmeros suelen estar dispuestos en columnas
de cuatro o cinco dgitos de ancho. Elegimos una pgina en la tabla de nmeros al azar, dentro
de la pgina seleccionamos una columna, y dentro de la columna marcaremos un punto de
arranque que no necesariamente ser el de ms arriba. Como de acuerdo al tamao de nuestra
poblacin nos interesa obtener nmeros de 4 dgitos, descartaremos los dgitos excedentes si
los hubiere. A partir del punto de arranque y avanzando hacia abajo en la columna iremos
seleccionando y contando cada grupo de 4 dgitos que estn comprendido entre 0001 y 2844.
Tacharemos los nmeros que estn fuera de dicho rango. Cuando hayamos
alcanzado la cantidad de 82 nmeros dentro del rango deseado, daremos por terminada la
seleccin. Luego sealaremos en el listado de transacciones las 82 correspondientes a los
nmeros obtenidos. En los papeles de trabajo incluiremos una referencia a la pgina de la tabla
de nmeros al azar, mencionando el criterio utilizado para seleccionar la pgina y el punto de
arranque. Si no hay limitaciones de Copyright que lo impidan podremos fotocopiar la pgina
utilizada de la tabla de nmeros al azar, con nuestras anotaciones. Adems guardaremos el
listado de transacciones que sirvi de base para la extraccin de la muestra.

11. Aplicar procedimientos de auditora sobre las transacciones de la muestra

Por cada elemento de la muestra obtenida habr que acceder a la documentacin

correspondiente a la transaccin, y sobre cada una de ellas se aplicarn las pruebas de
auditora que permitan, de acuerdo a los criterios previamente definidos, identificar la
existencia de desviaciones en el funcionamiento de los controles. Se deber documentar el
resultado de las pruebas realizadas sobre cada una de las transacciones de la
muestra, tomando nota de todas las irregularidades detectadas.
12. Determinar la cantidad de desviaciones

En base a los procedimientos de auditora realizados sobre las transacciones de la muestra,

habr que calcular la cantidad de transacciones en las cuales se hayan detectado desviaciones
en el funcionamiento de los controles segn los criterios establecidos.

En nuestro ejemplo, supongamos que entre los 82 pagos de la muestra encontramos dos con la
orden de pago sin firma, uno de los cuales carece adems del comprobante de recepcin de la
mercadera. Hay tambin un pago con la factura sin conformar. Esto totaliza un error de 3
errores o desviaciones en la muestra. (Si bien el total de irregularidades observadas es de 4, son
3 los pagos con errores, y un mismo pago no debera contarse ms de una vez.)

13. Evaluar la suficiencia de la muestra obtenida

A fin de evaluar la suficiencia de la muestra, habr que aplicar la tasa esperada de desviaciones
de la poblacin al tamao de la muestra. Si el resultado no es entero, se llevar al nmero
entero inmediato superior. El valor obtenido es la cantidad mxima de desviaciones que puede
tener la muestra para ser considerada suficiente para el trabajo realizado. Pero si la cantidad
de desviaciones encontradas en la muestra superan dicho lmite, ser necesario rever la
evaluacin del riesgo de control planificada, dado que sera un indicio de que la estimacin de
errores en la poblacin es incorrecta.

En el ejemplo que venimos desarrollando, el tamao de muestra es 82 y la tasa esperada de

desviaciones es del 8 por ciento. Calculamos la cantidad mxima aceptable de desviaciones en
la muestra = 82 x 8% = 6.56 7. Como el nmero de desviaciones 2 es inferior a 7, no hay
inconveniente en seguir adelante con la prueba.

14. Estimar el total de errores de la poblacin

La estimacin de errores de la poblacin se puede hacer con la ayuda de tablas

En la tabla de la Figura 2, para el nivel de confianza seleccionado se busca la interseccin de

lafila correspondiente al tamao de muestra con la columna correspondiente a la cantidad de
desviaciones halladas. Se obtiene, expresado en porcentaje, el lmite de precisin superior
logrado para la poblacin. (Aplicando dicho porcentaje al tamao de la poblacin, es decir la
cantidad total de transacciones, obtendramos una estimacin de la cantidad mxima de
desviaciones correspondiente al nivel de confianza escogido.) Si el valor extrado de la tabla es
menor o igual que la tasa mxima aceptable de desviaciones, concluiremos que para el nivel de
confianza seleccionado la tasa de errores de la poblacin no supera el mximo tolerable.

Por ejemplo, si nuestro nivel de confianza es 90, el tamao de muestra es 82, y alaplicar las
pruebas de auditora previstas a las 82 transacciones se detectaron 2 desviaciones, entramos
con estos valores en la tabla de la Figura 2. Dado que la tabla prev tamaos de muestra de 80
y de 85 pero no de 82, haremos una interpolacin lineal. El lmite de precisin superior para un
tamao de muestra de 80 es de 6,7%, y para una muestra de 85 es de 6,3%. El valor para 82
ser aproximadamente: 6,7% + (6,3% 6,7%) x (82 80) / (85 80) = 6,5%. Como nuestra tasa
mxima aceptable era del 8 por ciento, siendo 6,3 < 8, la evaluacin hecha para la poblacin
est dentro de los valores admisibles. Podemos expresar los resultados en los siguientes
trminos: Existe un 90 por ciento de probabilidad de que la cantidad de pagos que no estn
debidamente autorizados o justificados no supere el 8 por ciento. En otras palabras, hay un 10
por ciento de probabilidad de que la tasa de errores supere el mximo tolerable del 8 por
ciento. Este 10 por ciento es el riesgo de evaluar demasiado bajo el riesgo de control.

Figura 2: Muestreo de atributos Tabla de evaluacin de resultados

Nivel de confianza: 90%

Tama
Cantidad de desviaciones halladas
ode

muestr
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
a

25 9. 15 21 26 32 37 42
2 .6 .3 .8 .0 .1 .2

26 8. 15 20 25 30 35 40
9 .0 .5 .7 .8 .7 .5

27 8. 14 19 24 29 34 39
6 .4 .7 .8 .6 .4 .0

28 8. 13 19 23 28 33 37 42
3 .9 .0 .9 .6 .1 .6 .1

29 8. 13 18 23 27 32 36 40
0 .4 .4 .1 .6 .0 .3 .6

30 7. 13 17 22 26 30 35 39
7 .0 .8 .3 .7 .9 .1 .3

31 7. 12 17 21 25 29 34 38
5 .6 .2 .6 .8 .9 .0 .0

32 7. 12 16 20 25 29 32 36 40
2 .2 .7 .9 .0 .0 .9 .8 .6

33 7. 11 16 20 24 28 31 35 39
0 .8 .2 .3 .2 .1 .9 .7 .4

34 6. 11 15 19 23 27 31 34 38
8 .4 .7 .7 .5 .3 .0 .7 .2

35 6. 11 15 19 22 26 30 33 37
6 .1 .2 .1 .9 .5 .1 .7 .1
36 6. 10 14 18 22 25 29 32 36 39
4 .8 .8 .6 .2 .8 .3 .7 .1 .5

37 6. 10 14 18 21 25 28 31 35 38
2 .5 .4 .1 .6 .1 .5 .8 .1 .4

38 6. 10 14 17 21 24 27 31 34 37
1 .2 .0 .6 .1 .4 .7 .0 .2 .4

39 5. 10 13 17 20 23 27 30 33 36
9 .0 .7 .2 .5 .8 .0 .2 .3 .4

40 5. 9. 13 16 20 23 26 29 32 35 38
8 7 .3 .7 .0 .2 .4 .5 .5 .5 .5

41 5. 9. 13 16 19 22 25 28 31 34 37
6 5 .0 .3 .5 .6 .7 .7 .7 .7 .6

42 5. 9. 12 15 19 22 25 28 31 33 36
5 3 .7 .9 .1 .1 .1 .1 .0 .8 .7

43 5. 9. 12 15 18 21 24 27 30 33 35
4 1 .4 .6 .6 .6 .5 .4 .2 .1 .8

44 5. 8. 12 15 18 21 24 26 29 32 35 37
3 8 .1 .2 .2 .1 .0 .8 .6 .3 .0 .7

45 5. 8. 11 14 17 20 23 26 28 31 34 36
1 6 .8 .9 .8 .6 .4 .2 .9 .6 .2 .9

46 5. 8. 11 14 17 20 22 25 28 30 33 36
0 5 .6 .5 .4 .2 .9 .6 .3 .9 .5 .1

47 4. 8. 11 14 17 19 22 25 27 30 32 35
9 3 .3 .2 .0 .7 .4 .1 .7 .2 .8 .3

48 4. 8. 11 13 16 19 22 24 27 29 32 34 37
8 1 .1 .9 .7 .3 .0 .5 .1 .6 .1 .6 .1

49 4. 7. 10 13 16 18 21 24 26 29 31 33 36
7 9 .9 .7 .3 .9 .5 .0 .5 .0 .5 .9 .3

50 4. 7. 10 13 16 18 21 23 26 28 30 33 35
6 8 .7 .4 .0 .6 .1 .6 .0 .4 .8 .2 .6

55 4. 7. 9. 12 14 16 19 21 23 25 28 30 32 34
2 1 7 .2 .6 .9 .2 .4 .6 .8 .0 .2 .4 .5
60 3. 6. 8. 11 13 15 17 19 21 23 25 27 29 31 33 35
9 5 9 .2 .3 .5 .6 .6 .7 .7 .7 .7 .7 .6 .6 .5

65 3. 6. 8. 10 12 14 16 18 20 21 23 25 27 29 31 32 34
6 0 2 .3 .3 .3 .2 .1 .0 .9 .7 .5 .4 .2 .0 .8 .6

70 3. 5. 7. 9. 11 13 15 16 18 20 22 23 25 27 28 30 32 33
3 6 6 6 .4 .3 .1 .8 .6 .3 .0 .7 .4 .1 .8 .4 .1 .7

75 3. 5. 7. 8. 10 12 14 15 17 19 20 22 23 25 26 28 30 31 33
1 2 1 9 .7 .4 .1 .7 .3 .0 .6 .1 .7 .3 .8 .4 .0 .5 .0

80 2. 4. 6. 8. 10 11 13 14 16 17 19 20 22 23 25 26 28 29 31 32 33
9 9 7 4 .0 .6 .2 .7 .3 .8 .3 .8 .2 .7 .2 .6 .1 .5 .0 .4 .8

85 2. 4. 6. 7. 9. 10 12 13 15 16 18 19 20 22 23 25 26 27 29 30 31 33
7 6 3 9 4 .9 .4 .9 .3 .7 .1 .5 .9 .3 .7 .1 .4 .8 .1 .5 .8 .2

90 2. 4. 5. 7. 8. 10 11 13 14 15 17 18 19 21 22 23 25 26 27 28 30 31 32
6 3 9 4 9 .3 .7 .1 .4 .8 .1 .4 .8 .1 .4 .7 .0 .2 .5 .8 .1 .3 .6

95 2. 4. 5. 7. 8. 9. 11 12 13 15 16 17 18 20 21 22 23 24 26 27 28 29 30 32
4 1 6 0 4 8 .1 .4 .7 .0 .2 .5 .7 .0 .2 .4 .6 .9 .1 .3 .5 .7 .9 .1

100 2. 3. 5. 6. 8. 9. 10 11 13 14 15 16 17 19 20 21 22 23 24 25 27 28 29 30 31
3 9 3 7 0 3 .5 .8 .0 .2 .4 .6 .8 .0 .1 .3 .5 .6 .8 .9 .1 .2 .3 .5 .6

110 2. 3. 4. 6. 7. 8. 9. 10 11 12 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
1 5 9 1 3 4 6 .7 .8 .9 .0 .1 .2 .2 .3 .4 .4 .5 .5 .6 .6 .6 .7 .7 .7

120 1. 3. 4. 5. 6. 7. 8. 9. 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
9 2 4 6 7 7 8 8 .8 .8 .8 .8 .8 .8 .8 .8 .7 .7 .6 .6 .5 .5 .4 .4 .3

130 1. 3. 4. 5. 6. 7. 8. 9. 10 10 11 12 13 14 15 16 17 18 19 19 20 21 22 23 24
8 0 1 2 2 1 1 1 .0 .9 .9 .8 .7 .6 .5 .4 .3 .2 .1 .9 .8 .7 .6 .4 .3

140 1. 2. 3. 4. 5. 6. 7. 8. 9. 10 11 11 12 13 14 15 16 16 17 18 19 20 21 21 22
7 8 8 8 7 6 5 4 3 .2 .0 .9 .7 .5 .4 .2 .0 .9 .7 .5 .3 .1 .0 .8 .6

150 1. 2. 3. 4. 5. 6. 7. 7. 8. 9. 10 11 11 12 13 14 15 15 16 17 18 18 19 20 21
5 6 6 5 3 2 0 9 7 5 .3 .1 .9 .6 .4 .2 .0 .7 .5 .3 .0 .8 .6 .3 .1

160 1. 2. 3. 4. 5. 5. 6. 7. 8. 8. 9. 10 11 11 12 13 14 14 15 16 16 17 18 19 19
4 4 3 2 0 8 6 4 1 9 6 .4 .1 .9 .6 .3 .0 .8 .5 .2 .9 .6 .3 .0 .7

170 1. 2. 3. 3. 4. 5. 6. 6. 7. 8. 9. 9. 10 11 11 12 13 13 14 15 15 16 17 17 18
4 3 1 9 7 5 2 9 7 4 1 8 .5 .2 .8 .5 .2 .9 .6 .2 .9 .6 .3 .9 .6
180 1. 2. 3. 3. 4. 5. 5. 6. 7. 7. 8. 9. 9. 10 11 11 12 13 13 14 15 15 16 16 17
3 2 0 7 4 2 9 5 2 9 6 2 9 .5 .2 .8 .5 .1 .8 .4 .0 .7 .3 .9 .6

190 1. 2. 2. 3. 4. 4. 5. 6. 6. 7. 8. 8. 9. 10 10 11 11 12 13 13 14 14 15 16 16
2 1 8 5 2 9 6 2 8 5 1 7 4 .0 .6 .2 .8 .4 .0 .6 .2 .8 .4 .0 .6

200 1. 2. 2. 3. 4. 4. 5. 5. 6. 7. 7. 8. 8. 9. 10 10 11 11 12 13 13 14 14 15 15
2 0 7 4 0 6 3 9 5 1 7 3 9 5 .1 .7 .2 .8 .4 .0 .5 .1 .7 .2 .8

220 1. 1. 2. 3. 3. 4. 4. 5. 5. 6. 7. 7. 8. 8. 9. 9. 10 10 11 11 12 12 13 13 14
1 8 4 0 6 2 8 4 9 5 0 6 1 6 2 7 .2 .7 .3 .8 .3 .8 .3 .9 .4

240 1. 1. 2. 2. 3. 3. 4. 4. 5. 5. 6. 6. 7. 7. 8. 8. 9. 9. 10 10 11 11 12 12 13
0 6 2 8 3 9 4 9 4 9 4 9 4 9 4 9 4 8 .3 .8 .3 .8 .2 .7 .2

260 0. 1. 2. 2. 3. 3. 4. 4. 5. 5. 5. 6. 6. 7. 7. 8. 8. 9. 9. 10 10 10 11 11 12
9 5 1 6 1 6 1 5 0 5 9 4 8 3 7 2 6 1 5 .0 .4 .8 .3 .7 .2

280 0. 1. 1. 2. 2. 3. 3. 4. 4. 5. 5. 5. 6. 6. 7. 7. 8. 8. 8. 9. 9. 10 10 10 11
8 4 9 4 9 3 8 2 6 1 5 9 4 8 2 6 0 4 8 3 7 .1 .5 .9 .3

300 0. 1. 1. 2. 2. 3. 3. 3. 4. 4. 5. 5. 5. 6. 6. 7. 7. 7. 8. 8. 9. 9. 9. 10 10
8 3 8 2 7 1 5 9 3 7 1 5 9 3 7 1 5 9 3 6 0 4 8 .2 .5

Nivel de confianza: 95%

Tama
Cantidad de desviaciones halladas
ode

muestr
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
a

25 12 19 25 31 36 42 47
.0 .0 .2 .0 .6 .1 .4

26 11 18 24 29 35 40 45
.5 .3 .2 .9 .2 .5 .6

27 11 17 23 28 33 39 43
.1 .6 .3 .7 .9 .0 .9

28 10 17 22 27 32 37 42 47
.7 .0 .5 .7 .7 .6 .3 .0

29 10 16 21 26 31 36 40 45
.3 .4 .7 .8 .6 .3 .9 .3

30 10 15 21 25 30 35 39 43
.0 .8 .0 .9 .5 .1 .5 .8
31 9. 15 20 25 29 33 38 42
7 .3 .3 .0 .6 .9 .2 .4

32 9. 14 19 24 28 32 37 41 45
4 .8 .7 .3 .6 .9 .0 .1 .1

33 9. 14 19 23 27 31 35 39 43
1 .4 .1 .5 .8 .9 .9 .9 .8

34 8. 14 18 22 26 30 34 38 42
8 .0 .5 .8 .9 .9 .9 .7 .5

35 8. 13 18 22 26 30 33 37 41
6 .6 .0 .2 .2 .1 .9 .6 .3

36 8. 13 17 21 25 29 32 36 40 43
3 .2 .5 .6 .4 .2 .9 .5 .1 .6

37 8. 12 17 21 24 28 32 35 39 42
1 .8 .0 .0 .8 .4 .0 .5 .0 .5

38 7. 12 16 20 24 27 31 34 38 41
9 .5 .6 .4 .1 .7 .2 .6 .0 .3

39 7. 12 16 19 23 27 30 33 37 40
7 .2 .2 .9 .5 .0 .4 .7 .0 .3

40 7. 11 15 19 22 26 29 32 36 39 42
5 .9 .8 .4 .9 .3 .6 .9 .1 .3 .4

41 7. 11 15 18 22 25 28 32 35 38 41
3 .6 .4 .9 .3 .7 .9 .1 .2 .3 .4

42 7. 11 15 18 21 25 28 31 34 37 40
1 .3 .0 .5 .8 .1 .2 .3 .4 .4 .4

43 7. 11 14 18 21 24 27 30 33 36 39
0 .1 .7 .1 .3 .5 .6 .6 .6 .5 .5

44 6. 10 14 17 20 23 26 29 32 35 38 41
8 .8 .3 .6 .8 .9 .9 .9 .8 .7 .6 .4

45 6. 10 14 17 20 23 26 29 32 34 37 40
7 .6 .0 .2 .4 .4 .3 .2 .1 .9 .7 .5

46 6. 10 13 16 19 22 25 28 31 34 36 39
5 .3 .7 .9 .9 .9 .8 .6 .4 .2 .9 .6
47 6. 10 13 16 19 22 25 28 30 33 36 38
4 .1 .4 .5 .5 .4 .2 .0 .7 .4 .1 .7

48 6. 9. 13 16 19 21 24 27 30 32 35 37 40
3 9 .1 .2 .1 .9 .7 .4 .1 .7 .4 .9 .5

49 6. 9. 12 15 18 21 24 26 29 32 34 37 39
1 7 .9 .8 .7 .5 .2 .8 .5 .1 .6 .2 .7

50 6. 9. 12 15 18 21 23 26 28 31 33 36 38
0 5 .6 .5 .3 .0 .7 .3 .9 .4 .9 .4 .9

55 5. 8. 11 14 16 19 21 23 26 28 30 33 35 37
5 6 .5 .1 .7 .1 .6 .9 .3 .6 .9 .1 .4 .6

60 5. 7. 10 12 15 17 19 21 24 26 28 30 32 34 36 38
0 9 .5 .9 .3 .5 .8 .9 .1 .2 .3 .4 .4 .5 .5 .5

65 4. 7. 9. 11 14 16 18 20 22 24 26 28 29 31 33 35 37
6 3 7 .9 .1 .2 .2 .2 .2 .2 .1 .0 .9 .8 .7 .5 .4

70 4. 6. 9. 11 13 15 16 18 20 22 24 26 27 29 31 33 34 36
3 8 0 .1 .1 .0 .9 .8 .6 .4 .2 .0 .8 .5 .3 .0 .7 .4

75 4. 6. 8. 10 12 14 15 17 19 21 22 24 25 27 29 30 32 34 35
0 3 4 .4 .2 .0 .8 .5 .3 .0 .6 .3 .9 .6 .2 .8 .4 .0 .6

80 3. 5. 7. 9. 11 13 14 16 18 19 21 22 24 25 27 28 30 31 33 34 36
8 9 9 7 .5 .2 .8 .4 .1 .6 .2 .8 .3 .8 .4 .9 .4 .9 .4 .9 .3

85 3. 5. 7. 9. 10 12 13 15 17 18 20 21 22 24 25 27 28 30 31 32 34 35
5 6 4 1 .8 .4 .9 .5 .0 .5 .0 .4 .9 .3 .8 .2 .6 .0 .4 .8 .2 .6

90 3. 5. 7. 8. 10 11 13 14 16 17 18 20 21 23 24 25 27 28 29 31 32 33 34
3 3 0 6 .2 .7 .2 .6 .0 .5 .9 .2 .6 .0 .3 .7 .0 .3 .7 .0 .3 .6 .9

95 3. 5. 6. 8. 9. 11 12 13 15 16 17 19 20 21 23 24 25 26 28 29 30 31 33 34
2 0 6 2 6 .1 .5 .8 .2 .5 .9 .2 .5 .8 .0 .3 .6 .8 .1 .4 .6 .8 .1 .3

100 3. 4. 6. 7. 9. 10 11 13 14 15 17 18 19 20 21 23 24 25 26 27 29 30 31 32 33
0 8 3 8 2 .5 .9 .2 .4 .7 .0 .2 .5 .7 .9 .1 .3 .5 .7 .9 .1 .3 .4 .6 .8

110 2. 4. 5. 7. 8. 9. 10 12 13 14 15 16 17 18 19 21 22 23 24 25 26 27 28 29 30
7 3 7 1 3 6 .8 .0 .1 .3 .4 .6 .7 .8 .9 .0 .1 .2 .3 .4 .4 .5 .6 .6 .7

120 2. 4. 5. 6. 7. 8. 9. 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
5 0 3 5 6 8 9 .0 .0 .1 .1 .2 .2 .2 .2 .3 .3 .3 .3 .2 .2 .2 .2 .2 .1
130 2. 3. 4. 6. 7. 8. 9. 10 11 12 13 14 15 15 16 17 18 19 20 21 22 23 24 25 26
3 7 9 0 1 1 1 .1 .1 .1 .1 .0 .0 .9 .8 .8 .7 .6 .5 .5 .4 .3 .2 .1 .0

140 2. 3. 4. 5. 6. 7. 8. 9. 10 11 12 13 13 14 15 16 17 18 19 19 20 21 22 23 24
1 4 5 5 5 5 5 4 .3 .2 .1 .0 .9 .8 .6 .5 .4 .2 .1 .9 .8 .6 .4 .3 .1

150 2. 3. 4. 5. 6. 7. 7. 8. 9. 10 11 12 13 13 14 15 16 17 17 18 19 20 21 21 22
0 2 2 2 1 0 9 8 6 .5 .3 .1 .0 .8 .6 .4 .2 .0 .8 .6 .4 .2 .0 .7 .5

160 1. 3. 3. 4. 5. 6. 7. 8. 9. 9. 10 11 12 12 13 14 15 15 16 17 18 18 19 20 21
9 0 9 9 7 6 4 2 0 8 .6 .4 .2 .9 .7 .4 .2 .9 .7 .4 .2 .9 .6 .4 .1

170 1. 2. 3. 4. 5. 6. 7. 7. 8. 9. 10 10 11 12 12 13 14 15 15 16 17 17 18 19 19
8 8 7 6 4 2 0 7 5 2 .0 .7 .4 .2 .9 .6 .3 .0 .7 .4 .1 .8 .5 .2 .9

180 1. 2. 3. 4. 5. 5. 6. 7. 8. 8. 9. 10 10 11 12 12 13 14 14 15 16 16 17 18 18
7 6 5 3 1 8 6 3 0 7 4 .1 .8 .5 .2 .8 .5 .2 .8 .5 .2 .8 .5 .1 .8

190 1. 2. 3. 4. 4. 5. 6. 6. 7. 8. 8. 9. 10 10 11 12 12 13 14 14 15 15 16 17 17
6 5 3 1 8 5 2 9 6 3 9 6 .2 .9 .5 .2 .8 .4 .1 .7 .3 .9 .5 .2 .8

200 1. 2. 3. 3. 4. 5. 5. 6. 7. 7. 8. 9. 9. 10 11 11 12 12 13 13 14 15 15 16 16
5 4 2 9 6 3 9 6 2 9 5 1 7 .3 .0 .6 .2 .8 .4 .9 .5 .1 .7 .3 .9

220 1. 2. 2. 3. 4. 4. 5. 6. 6. 7. 7. 8. 8. 9. 10 10 11 11 12 12 13 13 14 14 15
4 2 9 5 2 8 4 0 6 1 7 3 8 4 .0 .5 .1 .6 .1 .7 .2 .8 .3 .8 .4

240 1. 2. 2. 3. 3. 4. 4. 5. 6. 6. 7. 7. 8. 8. 9. 9. 10 10 11 11 12 12 13 13 14
3 0 6 2 8 4 9 5 0 6 1 6 1 6 1 6 .1 .6 .1 .6 .1 .6 .1 .6 .1

260 1. 1. 2. 3. 3. 4. 4. 5. 5. 6. 6. 7. 7. 8. 8. 8. 9. 9. 10 10 11 11 12 12 13
2 8 4 0 5 1 6 1 6 0 5 0 5 0 4 9 4 8 .3 .7 .2 .6 .1 .5 .0

280 1. 1. 2. 2. 3. 3. 4. 4. 5. 5. 6. 6. 7. 7. 7. 8. 8. 9. 9. 10 10 10 11 11 12
1 7 3 8 3 8 2 7 2 6 1 5 0 4 8 3 7 1 5 .0 .4 .8 .2 .6 .1

300 1. 1. 2. 2. 3. 3. 4. 4. 4. 5. 5. 6. 6. 6. 7. 7. 8. 8. 8. 9. 9. 10 10 10 11
0 6 1 6 1 5 0 4 8 2 7 1 5 9 3 7 1 5 9 3 7 .1 .5 .9 .3

15. Anlisis cualitativo de las desviaciones

El auditor no deber conformarse con conocer la cantidad de desviaciones en la muestra o en

la poblacin, sino que tambin deber hacer una cuidadosa evaluacin de todas las
anormalidades detectadas que le permitan identificar sus causas. Se deber determinar si los
errores son casos aislados, si hay fallas en el diseo del proceso de control, o bien si el
procedimiento previsto no se est aplicando de la forma adecuada. Con estos elementos
estar en condiciones incluir en el informe sobre el trabajo recomendaciones concretas para
corregir las fallas observadas en el funcionamiento de los controles.
16. Documentacin del trabajo

En los papeles de trabajo de la auditora se deber incluir la documentacin del muestreo

realizado, detallando:

Objetivo de la prueba

Tipo de muestreo

Definicin de la poblacin

Tamao de la poblacin

Pruebas a realizar sobre los elementos de la muestra

Criterio de aceptacin o rechazo

Tasa esperada de errores, con su justificacin

Tasa aceptable de errores, con su justificacin

Nivel de confianza

Clculo del tamao de la muestra, sealando de qu tabla se obtuvo o con qu frmula

o software se calcul

Procedimiento utilizado para extraer la muestra, incluyendo nmeros aleatorios

utilizados y su obtencin

Listado de las transacciones de la muestra seleccionada, con el resultado de las

pruebas de auditora realizadas sobre cada una de ellas. La identificacin de las
transacciones debe ser tal que permita la rpida localizacin de los comprobantes.
Muchas veces ser apropiado adjuntar a los papeles de trabajo fotocopias de la
documentacin analizada.

Cantidad de errores o desviaciones

Evaluacin de suficiencia de la muestra obtenida

Si la muestra se hubiese evaluado como insuficiente, repeticin de los cinco puntos

precedentes para la ampliacin de la muestra original

Clculo del total de errores estimado

Evaluacin del resultado del muestreo, mencionando la tabla o el software utilizados

Anlisis cualitativo de los errores o desviaciones

Conclusin de la prueba de muestreo, por ejemplo, "Existe un 90% de probabilidad de

que los errores en el funcionamiento del control no superen el 2% del total de
transacciones, encontrndose dicha tasa de errores dentro de los lmites de tolerancia
aceptables. Se considera que el control funciona en forma satisfactoria."
 Recomendacin de mejoras, si fuera aplicable